文摘
客观的。分析之间的关系之间的有效距离和流行病传播轨迹和基于COVID-19数据到达时间和规模爆发在武汉,从而提高预测能力的传染病的传播。方法。2020年1月28日,报告日期,开始日期和累积的确诊病例数COVID-19收集在每个省份和城市。百度迁移数据被用来计算的有效距离武汉城市其它地区。报告日期和开始日期的第一个病人被诊断为到达时间,分别建立线性回归模型的有效距离和到达时间。在不同的省份和城市,累计确诊病例数的对数与5的基础作为标准来确定累计确诊病例的水平。在此基础上,有效距离的线性回归模型和水平的省级和市级单位累计确诊病例。结果。线性相关性首例确诊病人的报告日期和有效距离并不强烈。确定的系数( )为城市和湖北省的城市分别为0.36和0.44,分别。和线性相关性首例确诊病人的发病日期和强劲的有效距离。和确定的系数( )为城市和湖北省的城市分别为0.67和0.83,分别。之间的线性相关程度的累计确诊病例在省级和市级单位和强劲的有效距离,用一个分别为0.87和0.84。每一个线性模型的回归系数是统计学意义( )。结论。有效距离的模型有很好的符合首例确诊病人的发病日期和累计确诊病例的程度,可以预测轨迹,时间,传播范围的疫情。它可以作为参考预警、预防和控制突发急性传染病从宏观的角度来看。
1。介绍
目前,没有有效的预测方法的传播国内外突发急性传染病。和相关的研究主要集中在病因和流行病学因素。然而,这些因素是复杂的。他们是密切相关的各种因素,如个人身体条件,环境,和气候,使流行难以把握。无法进行预警,有效的预防和控制(1]。布罗克和2013年海尔宾提出了一个有效的距离模型1,2),通过乘客流计算区域之间的有效距离矩阵的航空运输网络。有效距离不仅可以有助于确定传染病的爆发的来源也显著提高预测能力传播轨迹,到达时间和传染性疾病的传播范围。
由于多样化的交通工具在中国,只有空中客流不能代表整个中国的不同城市之间人口流动(3- - - - - -6]。因此,而不是空气客流在原始模型中,使用百度迁移数据基于定位服务(LBS),它提供了准确的省份和城市之间人口流动数据(7- - - - - -10),选择和应用在这项研究中计算的有效距离。和数据在武汉COVID-19爆发疫情收集网站2019年12月。线性回归模型之间建立有效的距离和疫情到达时间和规模之间的有效距离和传输(累计确诊病例的数量,这是由累计确诊病例的水平)。
在这项研究中,有效距离计算从百度迁移数据被用来代替传统的地理距离。基于有效的疫情地点到不同的目的地的距离,有效距离是用来预测轨迹,到达时间,流行的规模传播疫情的流行病学参数未知时。此外,它还提供了一个参考未来工作在预警、预防和控制相关的流行。
2。材料和方法
2.1。材料
疫情数据收集前1月28日,2020年。主要数据来源如下:(1)公共数据从国家健康委员会的官方渠道,省级和市级卫生委员会和省、市、和地区政府(2)流行的数据编制的论文(https://www.thepaper.cn/list_25635)(3)流行的数据编制的“nCoV流行地图”团队(https://github.com/2020-nCoV/)(4)百度迁移数据
记录和收集数据,如累积COVID-19确诊病例的数量,日期报告首例确诊患者,发病的日期,和其他相关数据在所有省市。而不是空气的客流,人口迁移百度提供的数据迁移的平台,可以准确地代表国内城市之间的人口流动,在有效距离模型。从2019年12月1日,1月23日,2020年,移民的比例数据从武汉到31个省(不包括香港、澳门和台湾)和全国其他城市(从武汉到一定比例的人口迁移在武汉)的人口流动已经收集了从百度迁移平台(1]。
2.2。方法
其他城市的有效距离武汉被有效距离计算模型基于百度迁移数据,而不是航空客流。2013年,德克·布罗克和德克海尔宾发表论文“隐藏的几何形状复杂,但,网络驱动下的传染现象”科学之间的关系,探索空气客流和crossregional传染病的传播。在这项研究中,取代了传统的地理距离probability-oriented有效距离,这简化了复杂的时空模式简单统一的波传播的传染病传播模式,使传染病蔓延的趋势可以准确地预测即使是未知的流行病学特征。验证了模型的有效性和实用性,通过数据甲型流感(H1N1)在2009年和2003年非典(11]。有效距离的主要计算原则如下:(1)传染病的crossregional传输网络是由航空客运流量矩阵表示 ,和代表流出人口从节点的概率到节点 。也就是说,人口迁移的百分比从节点到节点 ,这是计算除以(人口外流来 )通过(总流出人口 )。计算公式是 (2)直接有效的距离的计算公式( )从来是 由于人口迁移地区之间的不对称, 和 (3)有序路径节点到节点被表示为 。直接有效的命令路径的距离的有效距离的总和命令路径。计算公式是 在哪里 (4)在传播网络任何节点的有效距离到节点被表示为 。计算公式如下:
的有效距离是不对称的,这反映了随机传染病更有可能蔓延到high-connected节点,反之亦然。
2.3。统计分析
软件,包括Python3.8.3 MySQL3.8.3,用于捕获和组织数据。报告日期和开始日期COVID-19病人被确诊的第一个时间当疾病出现。以来累积COVID-19千差万别的确诊病例数在不同的省份和城市,为了更好的数据拟合,累积的确诊病例数量的对数( )作为基地5个,定义为累计确诊病例的水平( ),计算公式如下:
SPSS 25.0是用于建立有效距离模型和线性回归模型来分析之间的线性关系的有效距离和COVID-19的到达时间,以及有效的距离之间的关系和累积COVID-19确诊病例的水平。
3所示。结果
3.1。有效距离武汉到其他城市
从2019年12月1日,1月23日,2020年,排名前三的城市而言,武汉的人口迁出的比例如下:黄冈(12.61%的人口迁出)和孝感(12.55%)、荆州(5.84%)。顶部的三个省份的人口比例从武汉是湖北省(62.62%的人口迁出)、广东省(5.28%)、河南(4.22%)。在有效的距离模型,人口流动的比例从武汉到其他省份和城市的概率两个地区之间的人口流动( ),的有效距离武汉可以计算每个省和城市。排序的有效距离最小的最大的前5个城市的有效距离如表所示1。
3.2。有效距离和到达时间之间的关系
3.2.1之上。首例确诊病人的报告日期之间的关系和有效的距离
第一次确认的报告日期COVID-19病人在城市被视为到达时间COVID-19爆发的那个地方。之间的关系的有效距离武汉其他城市和到达时间的流行如图1,并进行线性回归分析。数据适合湖北省城市和城市湖北省外,分别。回归方程是 和 。可以看到从图1,一些城市的有效距离在湖北黄冈、荆州等,比在广东和上海离。然而,报告日期的第一个病人是很久以后,这表明报告日期湖北省部分城市的第一个病人是晚于疾病的实际到达时间。不包括这些城市在湖北,回归系数从0.42增加到0.71,确定系数从0.36增加到0.44。但仍不存在着强烈的关联。疾病的到来在不同城市的报告日期早于第一个病人,尤其是在湖北省的城市,偏差更大。
3.2.2。首例确诊病人的发病日期之间的关系和有效的距离
首例确诊病人的发病日期在这个城市被用来确定疫情的到达时间。如果开始日期是失踪,第一个病人的报告日期被记录。的拟合情况首例确诊病人的发病日期和有效距离如图2。两种情况进行了数据拟合,包括湖北省的城市,不包括湖北省的城市。回归方程的拟合线包括湖北省的城市 ,和确定系数 。回归方程的拟合线不包括湖北省的城市 (反向 - - - - - -和 - - - - - -轴装配),确定系数 。回归模型的影响排除湖北省的城市是更好,和有效的距离可以解释83%变异的模型。当排除湖北省的城市和以首例确诊病人的发病日期为流行的到达时间之间的线性相关程度,有效距离和到达时间是一致的,在有效距离模型。
3.3。之间的关系的有效距离和累计确诊病例的水平
3.3.1。关系的有效距离和水平累计确诊病例的省级单位
从图3,可以发现有一个线性趋势之间的有效距离和水平累计确诊病例省级单位。并进行了线性回归分析。结果表明,回归系数为-0.42 。后- - - - - -测试中, , ,和回归方程: 。系数测定是0.87。2是0.87,有效距离可以响应模型的87%的变异。回归模型的效果相对较好。
3.3.2。关系的有效距离和水平累计确诊病例市政单位
如图4,用同样的方法,建立了线性回归模型显示的有效距离和水平之间的关系在市政单位累计确诊病例。结果表明:回归系数为-0.37 。后 - - - - - -测试中, , 。回归方程是 ;系数测定是0.84。可以应对84%的有效距离变化的模型,和回归模型的效果比较好。之间有一个明显的线性关系的有效距离和水平在省市累计确诊病例。有效距离可以解释大部分的确诊病例的水平的变化,可以用来预测流行病传播的规模。
3.3.3。关系的有效距离和水平累计确诊病例每个省和城市不同时期的水平
如表所示2之间的线性回归模型,建立了水平累计确诊病例COVID-19爆发在不同的时期和有效距离武汉到其他省市。和之间的关系的稳定性和适用性的有效距离和水平累计确诊病例进一步验证。结果表明,每个模型的回归系数是统计学意义( )。从表2,确定模型的系数高的时期,除了市政目的地1月24日(对确诊病例的0.31),零在一些城市由于早期检测能力和速度限制。因此,可以发现,该方法具有良好的稳定性。
4所示。讨论
目前,很少有研究警告,预防和控制突发急性传染病在中国从宏观的角度来看。现有的大部分研究着重于病原体,病人,密切接触受感染的人口,人口。在相关的研究中,影响疾病的传播的因素非常复杂,难以掌握。他们是密切相关的病毒载体的物理条件,环境条件,气候和自然条件的联系人(7- - - - - -9]。然而,如果在发生变化的角度研究,研究传染病的传播将更加明确。从宏观来看,以每个城市为节点,可以预测急性传染病的传播城市之间(1]。
从宏观的角度来看,本研究以城市之间人口流动为切入点探讨人口流动的影响突发急性传染病的传播。传统的地理距离被有效距离由人口迁移。有效距离决定crossregional传染病的传播的过程中,这是不相关的流行病学和病因等其他参数。提供了科学依据,使预警、预防和控制突发急性传染病。
百度迁移数据用于有效距离模型,分析了在武汉COVID-19疫情数据。结果表明,排除湖北省的城市,首例确诊病人的发病日期到达时间,有一个明显的线性关系之间的有效距离和到达时间。与此同时,也有一个明显的线性关系的有效距离和水平累计确诊病例在省级和市级单位。模型拟合程度很好,和回归系数都是统计学意义( )。
随着交通的发展多样性、流行病的轨迹并不取决于传统的地理距离,根据有效距离模型。相反,它是由有效的疫情地点的距离到不同的目的地。即使疫情的流行病学参数是未知的,可以用于预测的有效距离相对流行[到达的时间4- - - - - -8]。在这项研究中,线性关系的有效距离和到达时间COVID-19已经证明。它表明疫情的宏观轨迹通常是基于从最初的疫情蔓延到附近的有效距离远,可提供未来的指导以预防和控制疫情。例如,在人与人之间传播的确认1月20日COVID-19只有确诊病例在河南,广东,浙江1月21日报道。然而,有湖北其他城市有更有效的距离。可以推断,疫情已经出现在一些城市湖北省理论上,黄冈和孝感等的有效距离相对较短。因此,建议调查和预防应尽快根据地市级城市的有效距离。
根据有效距离武汉到其他城市,到达时间和有效距离的线性模型可以反映近似传输轨迹和可能到达的时间COVID-19流行。和可能的感染病例的数量在每个城市可以进一步预测线性模型的基础上累积确诊病例,为预防和控制提供指导的突然爆发。如图1右边,城市扩展没有报告病例。根据模型,第一种情况的报告日期在延边,吉林省,预计将发生在2020年1月25日。和它的官方报告的时间是1月29日,2020年。在新疆阿克苏,与此同时,第一种情况下,将发生在2020年1月27日。和它的官方报告时间是2020年1月30日。
虽然有效的距离可以解释大部分的流行变化的发生,它只能用于估计到达时间约。COVID-19疫情数据的分析,可以发现疫情的到达时间在城市同样的有效距离可能仍然是不同的。由于大型COVID-19的孵化时间的差异和不同的预防和控制都是在不同地区进行的,第一个到达的时间确认病人从地区变化很大。发病日期被首例确诊病人相对比较主观,而影响精度通过流行的到达时间。
如图2,有效距离深圳、温州、武汉和长沙是远比一些城市在湖北省。但疫情的到达时间早在这三个城市。表明有一个晚报道湖北的现象在一些城市,这可能是有限的容量和速度的检测。预防和调查应根据有效距离武汉和其他城市。
应对大部分的累计确诊病例的水平的变化,有效距离可用于分析疫情的规模和提供早期预警。例如,在官方流行通知1月23日,2020年,确诊病例出现在北京、上海、湖南、广东、吉林、黑龙江、等等。然而,没有确诊病例报道在湖北省的城市,它有一个更有效的距离,如咸宁,向阳,鄂州。理论上,这些城市的确诊病例数量应该更高。和调查,预防和控制应加强在这些领域。此外,现实是复杂得多,有许多例外。如图4温州,偏离拟合线,有一个更远的有效距离武汉比北京、重庆和上海。然而,在温州的累计确诊病例数与这些城市。通过分析现有的信息,这一现象的原因可能是做生意的人口比例从武汉到温州相对较高。在此期间,将会有更多的社会活动。和温州人可能会接触到一大群人,这增加了感染的可能性。
这项研究的局限性如下:(1)存在一些局限性在百度迁移数据,如收集到的团体的强烈偏见(1),导致偏差计算的有效距离。(2)报告日期的第一个证实患者在不同的城市相对集中,和发病日期报告的病人本身是高度主观的,所以会有偏差以两个因素为流行的到达时间。(3)到达时间和有效距离模型的决定系数并不是很高,这表明有效距离的单变量无法解释流行病到达时间的变化。在未来,可以被认为是更准确的数据。其他参数,如传输速度及相关宏观量,可用于建模提高预测能力的传染病的传播。
COVID-19疫情数据演示有效距离的实际应用模型在预测突发急性传染病的传播。在未来,模型可用于不断爆发的疫情发生在一个特定的地区。最新的人群流动数据,可以预测疫情的风险在不同的城市在人口流动的背景下。和流行在每个城市交通控制的科学依据。与此同时,有效距离的方法也可以用于其他相关沟通现象,如新技术的扩散和cyberviolence和谣言的传播,发挥着越来越重要的作用在一个社会充满了沟通和联系。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作得到了教育部的一般科研项目浙江(没有。Y202044667)。